Fluidizált granulátumok szemcseméretének meghatározása konvolúcós neurális hálózatok alkalmazásával
A gyógyszeriparban széles körben alkalmazott eljárás a fluidágyas granulálás a porok tulajdonságainak és feldolgozhatóságának javítására. A szemcseméret-eloszlás és a nedvességtartalom a legkritikusabb szabályozandó paraméterek a granulálási folyamat során, amelyek jelentősen befolyásolja a végtermék minőségét. A keverék homogenitása és a tablettázhatósága nagyban függ a szemcsemérettől, így a granulátumok szemcseméret-eloszlásának nyomonkövetése kiemelkedő fontossággal bír. A hagyományos szemcseméret meghatározási mérések valós időben nem alkalmazható, időigényes módszerek, amelyek nem biztosítják a kívánt minőségi jellemzőkkel bíró granulátumok előállítását.
A munkám célja egy olyan mérési módszer kifejlesztése volt, amelynek segítségével a granulátumok szemcsemérete valós időben, a gyártási folyamatba integrálva, gazdaságosan meghatározható. A fluidágyas granulálás során a szemcseméret mérése nehézkes a sűrű szemcseáramlás és a szemcsék átfedése miatt. Hipotézisem, hogy egy gépi látáson és mesterséges intelligencián alapuló képelemzési mérési módszer alkalmazásával fluidizáció során a granulátumok alakja és szemcseméret-eloszlása hatékonyan és valós időben nyomon követhető. A fluidizált szemcsék szemcseméretének, illetve alakjának meghatározását endoszkópos rendszerrel és konvolúciós neurális hálózat használatával végeztem.
Dextróz, illetve keményítő-laktóz granulátumokat állítottam elő, majd ezeket különböző, 300-2000 μm méretű szemcse-frakciókra szitáltam, amelyek kombinációiból keverékeket is készítettem a vizsgálathoz. Nagysebességű kamera, fényforrás és endoszkóp segítségével felvételeket készítettem a granulátumokról egy 3D nyomtatott fluidizáló készülékben, amely képes reprodukálni a fluidágyas granulálóban lévő szemcsék mozgását. A konvolúciós neurális háló tanításához a granulátumokról készített képeken fókuszban lévő szemcsék annotálásával létrehoztam egy tanító adathalmazt. Majd a felismerés során kapott körvonal segítségével meghatároztam a granulátumok szemcseméretét. A módszert sikeresen alkalmaztuk különböző, 300-2000 μm-es tartományban lévő szemcsék és keverékek szemcseméret-eloszlásának és alaki tényezőinek meghatározására. A konvolúciós neurális hálózaton alapuló szoftver a sűrű áramlás ellenére is sikeresen érzékelte a fókuszban lévő szemcséket. A mérési eredmények összehasonlítása érdekében a szemcseméretet dinamikus képelemzés és lézerdiffrakciós mérés segítségével is meghatároztuk. A különböző módszerek eredményei jól korreláltak egymással és hasonló tendenciákat figyeltünk meg.
Az eredményeink alapján elmondható, hogy sikerült valós időben, mesterséges intelligencia alapú módszerrel meghatározni granulátumok szemcseméret-eloszlását és alakját fluidizációs folyamat során.
szerző
-
Lestyan-Goda Katalin
Vegyészmérnöki mesterképzési szak, nappali MSc
mesterképzés (MA/MSc)
konzulens
-
Dr. Galata Dorián László
tudományos munkatárs, Szerves Kémia és Technológia Tanszék